TOP > 国内特許検索 > 認識システム

認識システム

国内特許コード P140011136
整理番号 13029
掲載日 2014年12月4日
出願番号 特願2013-214982
公開番号 特開2015-079308
登録番号 特許第6188147号
出願日 平成25年10月15日(2013.10.15)
公開日 平成27年4月23日(2015.4.23)
登録日 平成29年8月10日(2017.8.10)
発明者
  • マタウシュ ハンスユルゲン
  • 安 豊偉
  • ウィジャクソノ インドラ バグス
出願人
  • 国立大学法人広島大学
発明の名称 認識システム
発明の概要 【課題】識別精度に優れ、ハードウェア処理に適した認識システムを提供する。
【解決手段】認識システム(100)は、未知クラスの入力データが共通に与えられ、他と重複しない特徴記述子によって入力データの特徴ベクトルを生成し、各クラスタの代表ベクトルのうち特徴ベクトルに最近傍の1または複数の代表ベクトルを選出し、入力データのクラス分類結果として、該選出した代表ベクトルに対応付けられたクラスラベルを出力する複数の識別分類器(10)と、複数の識別分類器からクラス分類結果を受け、これらクラス分類結果の多数決によって入力データのクラスを判定する判定部(20)と、を備えている。
【選択図】図1
従来技術、競合技術の概要



画像認識や音声認識などの各種認識システムにおいて処理の高速化は共通の課題である。認識処理は、ソフトウェアで実施するよりもハードウェアで実行する方がより高速化することができる。しかし、認識システムをハードウェアに実装するとなると、計算処理上の制約、効率的なリソース利用、消費電力、回路規模などのさまざまな問題を解決しなければならない。





サポートベクターマシン(SVM)は、最も識別能力に優れたクラス分類器の一つとして知られている。しかし、SVMは、通常、ソフトウェアによって実施され、ハードウェア処理には向いていない。SVMをハードウェアに実装しようとすると、学習アルゴリズムを大幅に縮減しなければならなくなるであろう。一方、ハードウェア処理に適したクラス分類手法として最近傍探索(Nearest Neighbor Search)がある(例えば、非特許文献1を参照)。しかし、最近傍探索には、SVMと比べて識別精度が劣るという欠点がある。

産業上の利用分野



本発明は、認識システムに関し、特に、ハードウェア処理に適した認識システムに関する。

特許請求の範囲 【請求項1】
未知クラスの入力データが共通に与えられ、他と重複しない特徴記述子によって前記入力データの特徴ベクトルを生成し、各クラスタの代表ベクトルのうち前記特徴ベクトルに最近傍の1または複数の代表ベクトルを選出し、前記入力データのクラス分類結果として、該選出した代表ベクトルに対応付けられたクラスラベルを出力する複数の識別分類器と、
前記複数の識別分類器からクラス分類結果を受け、これらクラス分類結果の多数決によって前記入力データのクラスを判定する判定部と、を備えている認識システムであって、
前記複数の識別分類器は、さらに、前記選出した代表ベクトルと前記特徴ベクトルとの距離を出力するものであり、
前記判定部は、前記複数の識別分類器によるクラス分類結果に前記距離を重み付け加算した重み付き多数決によって前記入力データのクラスを判定する、認識システム。

【請求項2】
前記判定部は、前記多数決が同数となった場合、前記複数の識別分類器から出力されるクラスラベルのうち優先度が最も高いクラスラベルを採用する、請求項1に記載の認識システム。

【請求項3】
前記複数の識別分類器のそれぞれは、前記入力データから前記特徴ベクトルを生成する特徴抽出部と、前記各クラスタの代表ベクトルを記憶するメモリと、前記特徴ベクトルと前記各クラスタの代表ベクトルとの距離を計算する距離計算回路と、前記距離計算回路によって計算された距離のうち最小のものを探索する最小距離探索回路とを有する、請求項1または請求項2に記載の認識システム。

【請求項4】
前記複数の識別分類器のそれぞれは、複数のサンプルデータを前記特徴抽出部に入力して複数の学習用特徴ベクトルを生成し、それら学習用特徴ベクトルに対してK平均法によりクラスタリングを実施して前記各クラスタの代表ベクトルを生成するものであり、
クラスタリングにおいて、前記距離計算回路および前記最小距離探索回路が、各クラスタの重心と各学習用特徴ベクトルとの最短距離の計算に使用される、請求項に記載の認識システム。

【請求項5】
前記距離計算回路は、前記特徴ベクトルと前記各クラスタの代表ベクトルとが所定数の要素単位で区切られて入力され、パイプライン処理により前記距離を計算する、請求項または請求項に記載の認識システム。

【請求項6】
前記最小距離探索回路は、閾値よりも小さい距離を探索する、請求項からのいずれかに記載の認識システム。

【請求項7】
前記複数の識別分類器のそれぞれは、前記入力データから前記特徴ベクトルを生成する特徴抽出部と、前記各クラスタの代表ベクトルを参照データとして記憶しており、前記特徴ベクトルが検索データとして入力され、記憶している参照データの中から前記特徴ベクトルに距離が近いものを選び出す連想メモリとを有する、請求項1または請求項2に記載の認識システム。

【請求項8】
前記複数の識別分類器のそれぞれは、複数のサンプルデータを前記特徴抽出部に入力して複数の学習用特徴ベクトルを生成し、それら学習用特徴ベクトルに対してK平均法によりクラスタリングを実施して前記各クラスタの代表ベクトルを生成するものであり、
クラスタリングにおいて、前記連想メモリが、各クラスタの重心と各学習用特徴ベクトルとの最短距離の計算に使用される、請求項に記載の認識システム。

【請求項9】
前記距離が、ユークリッド距離またはユークリッド2乗距離である、請求項1からのいずれかに記載の認識システム。

【請求項10】
前記入力データが、画像データである、請求項1からのいずれかに記載の認識システム。

【請求項11】
前記複数の識別分類器、および前記判定部が、前記画像データが人の画像であるか否かを判定する、請求項10に記載の認識システム。

【請求項12】
前記特徴記述子が、HOG(Histograms of Oriented Gradients)およびLBP(Local Binary Pattern)を含む、請求項10または請求項11に記載の認識システム。
国際特許分類(IPC)
Fターム
画像

※ 画像をクリックすると拡大します。

JP2013214982thum.jpg
出願権利状態 登録


PAGE TOP

close
close
close
close
close
close
close